從“千錘百煉”到“算法加持”

“準(zhǔn)確率超過(guò)94%，90秒內(nèi)完成缺陷檢測(cè)并生成報(bào)告”“評(píng)測(cè)一致率達(dá)到100%”，中國(guó)鋼研人工智能首席專家張?jiān)瀑F接受本刊記者采訪時(shí)，用一組數(shù)據(jù)介紹“冶金流程感知大模型”應(yīng)用后的效果。

近期，中國(guó)鋼研 “冶金流程感知大模型”、南鋼集團(tuán)與華為聯(lián)合研發(fā)的“元冶·鋼鐵大模型”先后發(fā)布，引發(fā)業(yè)內(nèi)和媒體關(guān)注。本刊記者采訪了人工智能業(yè)內(nèi)專家、中國(guó)鋼研相關(guān)負(fù)責(zé)人。他們介紹了我國(guó)人工智能（AI）賦能鋼鐵行業(yè)取得的成效以及解決“工業(yè)黑箱”問(wèn)題取得的進(jìn)步，同時(shí)呼吁促進(jìn)“數(shù)據(jù)回流”讓大模型持續(xù)迭代升級(jí)，持續(xù)賦能行業(yè)。

效率大幅提升，技術(shù)自主可控

“探索建立原材料企業(yè)與人工智能企業(yè)之間的需求匹配和創(chuàng)新協(xié)同機(jī)制，加快推進(jìn)人工智能技術(shù)賦能原材料工業(yè)。”這是工信部等九部門聯(lián)合印發(fā)的《原材料工業(yè)數(shù)字化轉(zhuǎn)型工作方案（2024—2026年）》中的要求。

人工智能技術(shù)正以顛覆性力量重塑千行百業(yè)。鋼鐵行業(yè)實(shí)現(xiàn)數(shù)字賦能全要素升級(jí)的成功與否，關(guān)系著我國(guó)制造業(yè)的變革進(jìn)程。

工信部賽迪研究院電子信息研究所數(shù)智技術(shù)研究室副主任楊先情接受本刊記者采訪時(shí)說(shuō)，上述大模型推動(dòng)冶金行業(yè)從傳統(tǒng)經(jīng)驗(yàn)驅(qū)動(dòng)向“數(shù)據(jù)+知識(shí)”雙輪驅(qū)動(dòng)模式轉(zhuǎn)型，通過(guò)提升產(chǎn)品質(zhì)量、生產(chǎn)效率、降低能耗，直接服務(wù)于提升產(chǎn)業(yè)核心競(jìng)爭(zhēng)力和培育新質(zhì)生產(chǎn)力的目標(biāo)。

“‘冶金流程感知大模型’是我國(guó)冶金行業(yè)首個(gè)感知大模型，面向整個(gè)行業(yè)賦能?！睆?jiān)瀑F說(shuō)。

在鋼鐵生產(chǎn)流程中，金相分析這一步驟通過(guò)分析材料樣本微觀組織結(jié)構(gòu)的顯微圖像，以及材料各種性能，判定是否達(dá)到加工目標(biāo)。此前的金相分析技術(shù)不能自動(dòng)完成復(fù)雜微觀組織的分析與評(píng)級(jí)，必須有金相分析工程師參與，而培養(yǎng)一個(gè)合格金相分析工程師需要3年左右的時(shí)間。

“冶金流程感知大模型”能完成類似金相分析工程師的視覺任務(wù)，在金相識(shí)別方面，“精度已經(jīng)超過(guò)了人工，與檢測(cè)工程師評(píng)測(cè)一致率達(dá)到100%，效率提升約90%?！睆?jiān)瀑F說(shuō)。

中國(guó)鋼研推出的“質(zhì)檢數(shù)字工人”，能精準(zhǔn)檢測(cè)熱軋產(chǎn)品表面缺陷、自動(dòng)評(píng)級(jí)表面質(zhì)量，智能生成缺陷分析報(bào)告?！皩?duì)鋼鐵生產(chǎn)過(guò)程中表面質(zhì)量的評(píng)價(jià)準(zhǔn)確率超過(guò)94%，單個(gè)鋼卷從判定表面質(zhì)量、檢測(cè)缺陷到生成報(bào)告，90秒即可完成，效率大幅提升?！?張?jiān)瀑F說(shuō)。

“模型訓(xùn)練和推理的軟硬件全面國(guó)產(chǎn)，技術(shù)自主可控?！睆?jiān)瀑F說(shuō)，他們是鋼鐵行業(yè)的技術(shù)輸送者，服務(wù)鋼鐵企業(yè)。

據(jù)悉，“元冶·鋼鐵大模型”打通了料鐵、鐵鋼、鋼軋及客戶四大業(yè)務(wù)界面，構(gòu)建20個(gè)AI應(yīng)用場(chǎng)景試點(diǎn)，實(shí)現(xiàn)全流程、全產(chǎn)業(yè)鏈數(shù)據(jù)貫通與智能升級(jí)。

“我們積累的大量數(shù)據(jù)為專業(yè)大模型提供支撐，冶金行業(yè)需要人工智能?！睏钕惹檎f(shuō)。

冶金中的工藝控制、能源管理、質(zhì)量控制、設(shè)備維護(hù)等大量亟待優(yōu)化的關(guān)鍵節(jié)點(diǎn)，為人工智能技術(shù)提供了豐富的價(jià)值轉(zhuǎn)化空間。“行業(yè)龍頭率先開展系統(tǒng)性探索，取得了積極成效，能引領(lǐng)和深化全行業(yè)的規(guī)模化應(yīng)用。”楊先情說(shuō)。

實(shí)現(xiàn)“數(shù)據(jù)回流”，讓大模型持續(xù)迭代升級(jí)

工信部原副部長(zhǎng)王江平發(fā)表在《中國(guó)經(jīng)濟(jì)周刊》的文章曾指出，人工智能解決制造業(yè)企業(yè)的難題，首先可以奔著工業(yè)黑箱去做，實(shí)現(xiàn)參數(shù)精細(xì)及時(shí)調(diào)整。

工業(yè)黑箱指的是一個(gè)設(shè)備或系統(tǒng)的內(nèi)部工作原理非常復(fù)雜（像鎖在黑盒子里一樣），外人看不懂。但使用者只需要知道怎么給它輸入指令（比如按按鈕），它就能輸出你需要的結(jié)果（比如生產(chǎn)出產(chǎn)品），不用管里面具體是怎么運(yùn)作的。?這類工業(yè)黑箱運(yùn)行參數(shù)如果波動(dòng)大，會(huì)導(dǎo)致過(guò)程調(diào)優(yōu)困難、設(shè)備維護(hù)與診斷不及時(shí)、安全與可靠性風(fēng)險(xiǎn)高等問(wèn)題。

中國(guó)鋼研大模型探索解決工業(yè)黑箱難題。張?jiān)瀑F介紹，在金相分析中，感知大模型利用大量樣本學(xué)到的特征，可以“猜”出被遮擋的晶粒的幾何形貌，他們還依托大模型預(yù)測(cè)鋼鐵鑄坯凝固過(guò)程的變化。

在采訪中，張?jiān)瀑F多次提到了數(shù)據(jù)集。低質(zhì)量的數(shù)據(jù)集很難訓(xùn)練出精度高的模型。

一位行業(yè)內(nèi)專家介紹，大模型交付給企業(yè)后，很多企業(yè)要求數(shù)據(jù)不出工廠，難以讓“數(shù)據(jù)回流”到開發(fā)者或大模型中，大模型持續(xù)迭代升級(jí)就失去了數(shù)據(jù)支撐。

楊先情認(rèn)為，目前存在的數(shù)據(jù)孤島現(xiàn)象，導(dǎo)致跨系統(tǒng)、跨環(huán)節(jié)的數(shù)據(jù)難以有效整合與共享。此外，部分生產(chǎn)環(huán)節(jié)的數(shù)據(jù)采集質(zhì)量與標(biāo)準(zhǔn)化程度不足，制約了模型訓(xùn)練的有效性和泛化能力。

“我們肯定冶金行業(yè)大模型取得的成績(jī)，也要解決兩個(gè)堵點(diǎn)?！眹?guó)家工業(yè)信息安全發(fā)展研究中心人工智能所副所長(zhǎng)李衛(wèi)說(shuō)，一是冶金行業(yè)的合成數(shù)據(jù)集構(gòu)建。當(dāng)前行業(yè)高質(zhì)量數(shù)據(jù)集獲取困難，已有數(shù)據(jù)集即將消耗殆盡，而合成數(shù)據(jù)能夠模擬真實(shí)數(shù)據(jù)，可為大模型補(bǔ)充訓(xùn)練數(shù)據(jù)，進(jìn)一步提高模型性能。二是冶金行業(yè)對(duì)于安全生產(chǎn)要求高，而人工智能大模型具有幻覺、偏見、輸出不穩(wěn)定等風(fēng)險(xiǎn)，在應(yīng)用過(guò)程中要加以限制，避免安全生產(chǎn)事故。

責(zé)編：楊琳 yanglin@ceweekly.cn

美編：孫珍蘭